Introduction au tutoriel

Parler-TTS est un modèle de synthèse vocale léger capable de générer une parole naturelle de haute qualité, fidèle au style du locuteur. Offrant une grande liberté et une forte capacité d'innovation, il permet de contrôler le genre, le timbre et l'intonation du locuteur, ainsi que le contexte (intérieur, extérieur, rue, salle de concert, etc.) grâce à des invites vocales. Il est basé sur un article de Stability AI, Dan Lyth et Simon King de l'Université d'Édimbourg. Guide en langage naturel de synthèse vocale haute fidélité avec commentaires synthétiques Reproduction du code.

Contrairement à d’autres modèles TTS, Parler-TTS est entièrement open source. Tous les ensembles de données, le prétraitement, le code de formation et les pondérations sont publiés publiquement sous licence, permettant à la communauté de s'appuyer sur le travail de ce didacticiel pour développer ses propres modèles TTS puissants. Remarque : ce modèle ne prend pas encore en charge le chinois

Étapes de course

1. 克隆并启动容器，等待约 30s（加载模型），点击 API 地址即可进入 Web 界面（使用 RTX 4090 即可启动）

2. 输入要生成的文字和风格描述，点击提交即可生成

• Texte d'entrée : le texte qui doit être converti en parole

• Description : Description du rôle audio, de la scène, du ton, du timbre et d'autres informations, similaire à Prompt. Par exemple : la voix d'un homme parle légèrement lentement sur un fond très bruyant, portant un ton grave et affichant une touche d'expressivité et d'animation. Le son est très lointain, ajoutant un air d’intrigue.

• Génération Parler-TTS : fichiers audio générés (pouvant être écoutés et téléchargés)

Échange et discussion

🖌️ Si vous voyez un projet de haute qualité, veuillez laisser un message en arrière-plan pour le recommander ! De plus, nous avons également créé un groupe d’échange de tutoriels. Bienvenue aux amis pour scanner le code QR et commenter [Tutoriel SD] pour rejoindre le groupe pour discuter de divers problèmes techniques et partager les résultats de l'application↓